[發明專利]基于深度學習的社交網絡頭像比對的分布式檢測系統、方法、裝置、處理器及其存儲介質

在審

• 申請號: 202011561246.8
• 申請日: 2020-12-25
• 公開（公告）號: CN112685580A
• 公開（公告）日: 2021-04-20
• 發明（設計）人: 姚偉;王永劍;王婷;李超
• 申請（專利權）人: 公安部第三研究所
• 主分類號: G06F16/51
• 分類號: G06F16/51;G06F16/53;G06F16/55;G06N3/04;G06N3/067
• 代理公司: 上海智信專利代理有限公司 31002
• 代理人: 王潔;鄭暄

本發明涉及一種基于深度學習的社交網絡頭像比對的分布式檢測系統，其中，該系統包括頭像采集存儲功能模塊，用于采集社交網絡中用戶的頭像圖片和基本信息；頭像相似度訓練功能模塊，用于對采集到的圖片進行特征值提取并構建分布式頭像特征向量索引庫；頭像實時搜索功能模塊，用于針對輸入的圖片進行特征值提取，計算出最相似的若干張頭像圖片和社交網絡用戶ID。本發明還涉及一種基于上述系統的方法、裝置、處理器及計算機可讀存儲介質。采用了本發明相應的系統、方法、裝置、處理器及計算機可讀存儲介質，能夠快速實時地對社交網絡頭像進行比對，且自適應圖像的遮擋、旋轉、縮放、扭曲等各種變換，也能對同類圖像進行準確分類和精準檢索。

技術領域

本發明涉及深度學習技術領域，尤其涉及多媒體圖像檢索、圖像偵察技術領域，具體是 指一種基于深度學習的社交網絡頭像比對的分布式檢測系統、方法、裝置、處理器及其計算 機可讀存儲介質。

背景技術

隨著社交媒體網絡的興起，人們越來越傾向于在社交網絡媒體上發布自己的最新動態、 表達自己的意愿等。人們比以前更多地使用圖片等多媒體進行信息分享，圖片在傳遞信息中 發揮著更加重要的作用。社交媒體網絡中的頭像則是標明個人身份及立場的顯著標記。通過 頭像檢索比對能夠發現對某一話題感興趣的同類人群甚至馬甲用戶，也能幫助對特定事件進 行追蹤溯源。如何高效地從海量頭像中檢索出符合用戶需求地圖片，已經成為信息檢索和計 算機視覺領域重要的研究課題。

基于深度學習卷積神經網絡的特征學習在圖像分類、目標檢測等領域取得了廣泛的成功， 成為新的研究重點和熱點。卷積神經網絡可以基于大量的圖像數據自動學習圖像特征，并且 由于卷積神經網絡的深度結構，這些特征通過網絡逐層進行傳導，從而可以獲取圖像的低層 簡單特征到高層抽象特征的表達，相比于傳統的特征具有更強的判別和泛化性能。

基于特征向量表征的頭像比對需要在高維向量空間中計算特征向量之間的相似度，按照 相似度的大小返回檢索結果。傳統的相似性圖像檢索算法大多是最近鄰搜索方法，其查詢的 時間復雜度與樣本數量呈線性關系。隨著社交網絡頭像規模的增加，檢索速度勢必成為瓶頸。 在實際工程實踐中，近似近鄰算法被提出，可以在查詢時間和精度之間進行折衷。因此，如 何設計一個快速有效的特征向量索引和近似近鄰算法，也成為海量圖像檢索中的迫切需要。

基于樹形索引結構近似近鄰查詢方法能夠將時間復雜度降低到對數級別，但是隨著特征 維度不斷升高，基于樹形結構的查詢算法產生的開銷呈現指數級增長。為了更有效處理高維 圖像查詢問題，局部敏感哈希算法將高維數據投影到低維數據，從而可以利用復雜度極低的 距離計算公式進行有效的相似性度量。

發明內容

本發明的目的是克服了上述現有技術的缺點，提供了一種能夠準確分類和精準檢索的基 于深度學習的社交網絡頭像比對的分布式檢測系統、方法、裝置、處理器及其計算機可讀存 儲介質。

為了實現上述目的，本發明的基于深度學習的社交網絡頭像比對的分布式檢測系統、方 法、裝置、處理器及其計算機可讀存儲介質如下：

該基于深度學習的社交網絡頭像比對的分布式檢測系統，其主要特點是，所述的系統包 括：

頭像采集存儲功能模塊，用于從互聯網上采集社交網絡中特定用戶的頭像圖片和基本信 息，并將相應的信息進行存儲；

頭像相似度訓練功能模塊，與所述的頭像采集存儲功能模塊相連接，用于對采集到的所 述的頭像圖片進行基于深度學習的特征向量提取和基于局部敏感哈希算法的從高維向量到低 維向量的轉換，并構建頭像圖片的分布式特征向量索引庫；以及

頭像實時搜索功能模塊，與所述的頭像相似度訓練功能模塊相連接，用于對從所述的頭 像采集功能模塊輸入的頭像進行特征值計算，并利用近似近鄰算法在所述的分布式特征向量 索引庫中計算最相似的各個頭像圖片，并將所有的計算結果進行合并得到整體的相似頭像圖 片和社交網絡用戶ID。

較佳地，所述的頭像采集存儲功能模塊，具體包括：